텐서플로우 신경망 예제

Off
Non classé

초기에 사람들은 이미지를 « 템플릿 »과 같이 기계에 대해 « 이해할 수있는 »형식으로 나누려고했습니다. 예를 들어, 얼굴은 항상 눈, 코 또는 얼굴 모양과 같은 모든 인간에서 다소 보존되는 특정 구조를 가지고 있습니다. 그러나 인식할 개체 수가 증가할 때 « 템플릿 »이 유지되지 않기 때문에이 방법은 지루할 것입니다. 다음 기사에서는 TensorFlow의 정말 좋은 기능인 TensorBoard 시각화를 소개합니다. 지금은이 튜토리얼이 유익하고 TensorFlow 여행을 하는 데 도움이되기를 바랍니다. 그냥 알림, 여기이 게시물에 대 한 코드를 체크 아웃할 수 있습니다. 또한 TensorFlow에서 컨볼루션 신경망, 반복 신경망 및 Word2Vec 자연어 모델과 같은 보다 복잡한 신경망을 구축하는 방법을 보여 주는 기사를 작성했습니다. 또한 Keras라는 TensorFlow 위에 있는 더 높은 수준의 딥 러닝 라이브러리를 확인할 수도 있습니다. one_hot=True 인수는 각 이미지와 연관된 레이블이 숫자 자체(예: « 4 »)인 대신 « 하나의 핫 » 노드가 있는 벡터이고 다른 모든 노드가 0이 되는 벡터임을 지정합니다.[0, 0, 0, 0, 1, 0, 0, 0, 0] , 0]. 이를 통해 신경망의 출력 계층에 쉽게 공급할 수 있습니다. 지금, 실제 주력에 대한 — 아담 (아니, 성경에서 하지 – 비록, 그 재미 있었을 것이다). Adam은 위에서 지정한 비용 함수를 최소화하여 네트워크에 적합한 가중치와 편향을 찾기 위해 가능한 한 열심히 시도하는 그라데이션 하강 최적화 알고리즘의 일종입니다.

아담을 자세히 설명하는 것은이 게시물의 범위를 훨씬 뛰어 넘지 만, 여기에 필요한 모든 정보를 찾을 수 있습니다 – 멋진 사진의 톤! 이것은 신경망 자습서에서 자세히 설명한 대로 다음 방정식을 실행하는 것입니다. 아래 의 전체 코드를 보여 줄 것입니다. 참고: 이 문제를 해결하기 위해 다른 신경망 아키텍처를 사용할 수도 있었지만, 단순성을 위해 심층 구현을 통해 다층 지각론을 공급해야 합니다. 이 블로그 게시물에서는 매우 간단한 방식으로 텐서 플로우를 사용하여 다층 신경망을 만드는 방법을 보여 줄 것입니다. 아래 그림은 최적화된 네트워크의 결과를 보여줍니다. 우선, 네트워크가 데이터 포인트를 분류하는 방법을 성공적으로 배웠습니다. 당신은 전에 그림에서 볼 수 있습니다; 초기 중량은 -0.43이었고 최적화 후 -0.95의 가중치를 초래합니다. 이 프로그램은 일부 입력 값을 가져와 완전히 연결된 두 개의 레이어로 푸시합니다. 당신이 수학 문제가 있다고 상상, 당신이 할 첫 번째 일은 문제를 해결하기 위해 해당 장을 읽는 것입니다.

새로운 지식을 적용하여 문제를 해결합니다. 당신이 아주 잘 득점하지 않을 가능성이 높습니다. 네트워크도 마찬가지입니다. 데이터를 처음 보고 예측을 할 때 실제 데이터와 완벽하게 일치하지 않습니다.

Comments are closed.